Systematic Mapping Approach to Support Administration Quantitative Research

Sanderson de Paula Barbosa; Franklin da Silva Nonato; André Luiz de Castro Leal; Marcio Zamboti Fortes

doi:10.5935/jetia.v6i24.681

Autores

Sanderson de Paula Barbosa Universidade Federal Rural do Rio de Janeiro - UFRRJ. Seropédica–Rio de Janeiro, Brasil http://orcid.org/0000-0002-7143-4733 (não autenticado)
Franklin da Silva Nonato Universidade Federal Rural do Rio de Janeiro - UFRRJ. Seropédica–Rio de Janeiro, Brasil http://orcid.org/0000-0002-8624-6575 (não autenticado)
André Luiz de Castro Leal Universidade Federal Rural do Rio de Janeiro - UFRRJ. Seropédica–Rio de Janeiro, Brasil http://orcid.org/0000-0002-8206-0992 (não autenticado)
Marcio Zamboti Fortes Universidade Federal Fluminense - UFF. Nitéroi–Rio de Janeiro, Brasil http://orcid.org/0000-0003-4040-8126 (não autenticado)

DOI:

https://doi.org/10.5935/jetia.v6i24.681

Resumo

Este artigo explora as diretrizes para a execução de pesquisas quantitativas sobre um tópico específico. Usando um mapeamento sistemático, conforme explicado aqui, é possível obter um grande número de publicações científicas e analisá-las adequadamente para obter um melhor entendimento do estado da arte da pesquisa, maturidade geral do tema e sua relevância ao longo do tempo. Além disso, os mapeamentos sistemáticos fornecem respostas às questões de pesquisa definidas pelo pesquisador que conduz o processo, permitindo uma maior exploração de conhecimentos específicos sobre o domínio estudado. Neste estudo, o tópico Indústria 4.0 é analisado para ilustrar o processo e seus resultados.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

Kitchenham, B.; Charters, S.. Guidelines for performing Systematic Literature Reviews in Software Engineering (Version 2.3) - EBSE Technical Report. EBSE-2007-0, 2007.

Kitchenham B. A.; Pretorius R.; Budgen D.; Pearl Brereton O.; Turner M.; Niazi M.; Linkman S.. Systematic literature reviews in software engineering – A tertiary study. Inf. Softw. Technol., vol. 52, no. 8, pp. 792–805, 2010. doi: 10.1016/j.infsof.2010.03.006.

Nonato, F. S.; Leal, A. L. C.; Fortes, M. Z.. Indústria 4.0 no Monitoramento e Controle da Produção: Um Estudo por Mapeamento Sistemático. Gestão em foco - UNISEPE, pp. 127-161, 2020.

Mubeen, S.; Asadollah, S. A.; Papadopoulos, A. V.; Ashjaei, M.; Pei-Breivold, H.; Behnam, M.. Management of service level agreements for cloud services in IoT: A systematic mapping study. IEEE Access, 6, 30184-30207, 2017. doi: 10.1109/ACCESS.2017.2744677.

Kitchenham B. A.; Pfleeger S. L.; Pickard L. M.; Jones P. W.; Hoaglin D. C.; El Emam K.; Rosenberg J.. Preliminary guidelines for empirical research in software engineering, IEEE Trans. Softw. Eng., vol. 28, no. 8, pp. 721–734, 2002. doi: 10.1109/TSE.2002.1027796.

Valença, G.; Alves, C.; Alves, V.; Niu, N.. A systematic mapping study on business process variability. International Journal of Computer Science & Information Technology, vol.5, no.1, 2013. doi: 10.5121/ijcsit.2013.5101.

Petersen K.; Feldt R.; Mujtaba S.; Mattsson M.. Systematic Mapping Studies in Software Engineering, in Proc. of the 12th international conference on Evaluation and Assessment in Software Engineering, 2008, pp. 68–77, 2008.

Ross D.; Schoman A.. Structured analysis for requirements definition. IEEE Trans Software Engineering, vol.3, no.1, pp.6–15, 1977. doi: 10.1109/TSE.1977.229899.

Chen, B.; Wan, J., Shu, L.; Li, P.; Mukherjee, M.; Yin, B.. Smart factory of industry 4.0: Key technologies, application case, and challenges. IEEE Access, 6, 6505-6519, 2017. DOI: 10.1109/ACCESS.2017.2783682.

Gaggero, M.; Di Paola, D.; Petitti, A.; Caviglione, L. When Time Matters: Predictive Mission Planning in Cyber-Physical Scenarios. IEEE Access, 7, 11246-11257, 2019. DOI: 10.1109/ACCESS.2019.2892310.

He, Z.; He, Y.; Liu, F.; Zhao, Y.. Big data-oriented product infant failure intelligent root cause identification using associated tree and fuzzy DEA. IEEE Access, 7, 34687-34698, 2019. DOI: 10.1109/ACCESS.2019.2904759.

Jenderny, S.; Foullois, M.; Kato-Beiderwieden, A. L.; Bansmann, M.; Wöste, L.; Lamß, J.; Röcker, C.. Development of an instrument for the assessment of scenarios of work 4.0 based on socio-technical criteria, in Proceedings of the 11th PErvasive Technologies Related to Assistive Environments Conference, pp. 319-326, 2018. DOI: 10.1145/3197768.3201566.

Ostermeyer, E.; Danjou, C.; Durupt, A.; Le Duigou, J.. An ontology-based framework for the management of machining information in a data mining perspective. IFAC-PapersOnLine, vol.51, no.11, 302-307, 2018. DOI: 10.1016/j.ifacol.2018.08.300.

Liu, D.; Liao, H.; Zio, E.; Miao, Q.; Zhang, B. Hu, C.; Azarian, M.H..: Complex System Health Management Based on Condition Monitoring and Test Data. IEEE Access, 6, 72028-72032, 2018.

Yang, W.; Takakuwa, S. Simulation-based dynamic shop floor scheduling for a flexible manufacturing system in the industry 4.0 environment, iIn 2017 Winter Simulation Conference (WSC), pp. 3908-3916, 2017. DOI: 10.1109/WSC.2017.8248101.

Akoka, J.; Comyn-Wattiau, I.; Laoufi, N. Research on Big Data–A systematic mapping study. Computer Standards & Interfaces, 54, 105-115, 2017. DOI: 10.1016/j.csi.2017.01.004.

Galletta, A.; Carnevale, L.; Celesti, A.; Fazio, M.; Villari, M. A cloud-based system for improving retention marketing loyalty programs in industry 4.0: a study on big data storage implications. IEEE Access, 6, 5485-5492, 2017. DOI: 10.1109/ACCESS.2017.2776400.

Illa, P. K.; Padhi, N. Practical Guide to Smart Factory Transition Using IoT, Big Data and Edge Analytics. IEEE Access, 6, 55162-55170, 2018. DOI: 10.1109/ACCESS.2018.2872799.

Li, X.; Li, D.; Li, S.; Wang, S.; Liu, C.. Exploiting Industrial Big Data Strategy for Load Balancing in Industrial Wireless Mobile Networks. IEEE Access, 6, 6644-6653, 2017. DOI: 10.1109/ACCESS.2017.2787978.

Wan, J.; Hong, J.; Pang, Z.; Jayaraman, B.; Shen, F. Key technologies for smart factory of Industry 4.0. IEEE Access, 7, 17969-17974, 2017.

Lopez, C. P.; Segura, M.; Santórum, M. Data Analytics and BI Framework based on Collective Intelligence and the Industry 4.0, in Proceedings of the 2019 2nd International Conference on Information Science and Systems, pp. 93-98, 2019. DOI: 10.1145/3322645.3322667.

Xu, X.; Hua, Q.. Industrial big data analysis in smart factory: Current status and research strategies. IEEE Access, 5, 17543-17551, 2017. DOI: 10.1109/ACCESS.2017.2741105

Yan, H.; Wan, J.; Zhang, C.; Tang, S.; Hua, Q.; Wang, Z.. Industrial big data analytics for prediction of remaining useful life based on deep learning. IEEE Access, 6, 17190-17197, 2018. DOI: 10.1109/ACCESS.2018.2809681.